#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
Clase para leer el contenido de una pagina web.
Los valores que contiene son:
self.status contiene el estado de la conexion (200, 404, 408, ...)
self.reason valor en texto del status
self.headers una lista con el resultado de la comunicacion con el servidor
self.read1 contiene la pagina html
Las funciones que contiene son:
self.html_connect(self,url) realiza la conexion con el servidor
self.html_showStatus(self) devuelve una tupla con self.status y self.reason
self.html_read(self) lee el contenido de la pagina
self.html_showHTML(self) devuelve el codigo HTML leido en la funcion html_read
self.html_close(self) cierra la conexion
"""
import httplib
from urlparse import urlparse
import os,sys
import socket
class html(object):
def __init__(self):
pass
"""
Funcion que realiza la conexion.
Tiene que recibir: la url
"""
def html_connect(self,url):
socket.setdefaulttimeout(20)
try:
parse=urlparse(url)
if parse.scheme=="http":
#self.conn=httplib.HTTPConnection(parse.netloc,timeout=60)
self.conn=httplib.HTTPConnection(parse.netloc)
else:
#self.conn=httplib.HTTPSConnection(parse.netloc,timeout=60)
self.conn=httplib.HTTPSConnection(parse.netloc)
if parse.path=="":
# Si no disponemos de path le ponemos la barra
path="/"
elif parse.query:
# Si disponemos de path y query, realizamos el montaje
path="%s?%s" % (parse.path,parse.query)
else:
# Si solo disponemos de path
path=parse.path
self.conn.request("GET",path) self.response1=self.conn.getresponse()
self.status=self.response1.status
self.reason=self.response1.reason
self.headers=self.response1.getheaders()
except socket.error:
#errno, errstr = sys.exc_info()[:2]
#if errno == socket.timeout:
#print "There was a timeout"
#else:
#print "There was some other socket error"
self.status=408
except:
self.status=404
"""Muestra el estado"""
def html_showStatus(self):
try:
return self.status, self.reason
except:
return ""
"""Lee el contenido"""
def html_read(self):
self.read1=self.response1.read()
"""Muestra el contenido"""
def html_showHTML(self):
if self.read1:
return self.read1
return ""
"""Cierra la conexion"""
def html_close(self):
try:
self.conn.close()
except:
pass
if __name__=="__main__":
obj=html()
if len(os.sys.argv)==3:
""" Tiene que recibir la pagina a descargar y la opcion 1|2 """
if os.sys.argv[2]=="1":
obj.html_connect(os.sys.argv[1])
print obj.status
elif os.sys.argv[2]=="2":
obj.html_connect(os.sys.argv[1])
obj.html_read()
print obj.html_showHTML()
else:
obj.html_connect("http://www.google.com") print obj.html_showStatus()
print obj.status
print obj.headers
if obj.status==200:
obj.html_read()
#print obj.html_showHTML()
obj.html_close()
Comentarios sobre la versión: Versión 1 - Python 2.x (3)
tuve que tocar un poco el codigo para que llegara a hacer algo poco..
no descarga nada...
saludos